<img height="1" width="1" style="display:none" src="https://www.facebook.com/tr?id=1126676760698405&amp;ev=PageView&amp;noscript=1">
Home Software Intelligenza artificiale Intelligenza artificiale, l’Italia eccelle nella ricerca ma le aziende restano indietro

Intelligenza artificiale, l’Italia eccelle nella ricerca ma le aziende restano indietro

Secondo Mario Rosati, Chief Innovation Officer di E4 Computer Engineering, è fondamentale investire nelle competenze perché le soluzioni di intelligenza artificiale possano estendere la loro presenza nel mondo business, pubblico e privato.

L’intelligenza artificiale è oggi uno dei temi più caldi, a livello macroeconomico mondiale. E l’Italia sta giocando le sue carte, in particolare nel mondo della ricerca. È tra i primi dieci Paesi al mondo in tema di paper scientifici sull’argomento, a testimonianza di un’attenzione che cresce costantemente.

Quello dell’intelligenza artificiale è uno scenario quanto mai dinamico: si moltiplicano sia i modelli che le applicazioni e ogni giorno nascono nuovi servizi basati su questa tecnologia, molti dei quali sono dedicati alle imprese.

Ma le imprese sono pronte a cogliere questa opportunità? Secondo un’analisi di Eurostat, solo due aziende su dieci all’interno dell’Unione Europea usano l’intelligenza artificiale, con un dato che in Italia è ancora più basso, fino al 6%.

Il tema della mancanza di talenti e skill in ambito It non è certo una novità. Investire nelle competenze per dare modo alle soluzioni di intelligenza artificiale di estendere la propria diffusione nei settori pubblico e privato in modo efficace e autonomo è però fondamentale.

La necessità di una maggiore conoscenza dei dati

Mario Rosati, Chief Innovation Officer di E4 Computer Engineering
Mario Rosati, Chief Innovation Officer di E4 Computer Engineering

Una recente ricerca di Qlik in collaborazione con The Future Labs mette in evidenza come sarà la “data literacy”, ovvero la capacità di conoscere e gestire i dati con sicurezza, la competenza più richiesta dal mercato del lavoro entro il 2030, con l’85% dei responsabili aziendali che crede che diventerà un requisito strategico alla pari dell’abilità di utilizzare un computer.

Si tratta di un processo già in atto, anche se in forma frammentaria. Secondo l’Osservatorio del Politecnico di Milano, nel 2021 il numero di Data Scientist è cresciuto del 28% rispetto all’anno precedente, anche se questa dinamica resta nella gran parte dei casi circoscritta alle grandi organizzazioni.

Una delle aree di intervento del programma strategico sull’intelligenza artificiale, recentemente adottato dal Governo, è proprio incentivare l’adozione dell’AI e delle sue applicazioni nella pubblica amministrazione anche attraverso il rafforzamento delle competenze dei dipendenti.

Su questo punto una delle proposte presenti nella strategia è quella di attivare tre cicli di nuovi corsi di dottorato specificamente progettati per le esigenze delle amministrazioni pubbliche in collaborazione con il Ministro per la Pubblica Amministrazione e interagendo con la Scuola Nazionale dell’Amministrazione.

C’è evidentemente un gap da colmare per gestire in modo corretto l’enorme e crescente quantità di dati della pubblica amministrazione e le risorse competenti in grado di affrontare tale compito consapevolmente e con le necessarie skill.

Nuovi profili e competenze per l’intelligenza artificiale

Nello specifico, le figure cercate per operare in questo ambito ricadranno all’interno dei profili di “data scientist” e “data engineer”, ma avranno specializzazioni in campi piuttosto diversi, in funzione del punto di contribuzione offerto da ciascuno.

La maggior parte dei candidati provengono da studi in discipline scientifiche quali fisica, matematica, ingegneria, che hanno ottenuto dottorati presso istituti nazionali e internazionali svolgendo lavori di ricerca in intelligenza artificiale.

In particolare, si tratta di specialisti nella manipolazione di grandi basi dati (Big Data Analysis), esperti nelle tecniche di machine learning per la determinazione di schemi e la previsione di trend futuri dei fenomeni analizzati, oltre a competenze nel deep learning impiegate per addestrare sistemi complessi a compiti specifici ma estremamente sofisticati.

Infatti, sin dalla fase di addestramento dei data model è decisivo indirizzare un aspetto fondamentale per il successo di qualsiasi progetto di intelligenza artificiale: mettere in produzione modelli addestrati in modo che la soluzione si integri con gli strumenti preesistenti in modo appropriato.

Leggi tutti i nostri articoli sull’intelligenza artificiale

LASCIA UN COMMENTO

Inserisci il tuo commento
Inserisci il tuo nome

Se questo articolo ti è piaciuto e vuoi rimanere sempre informato sulle novità tecnologiche

css.php